MétaCan
Menu
Retour à la cohorte
Enregistrement W2072334110 · doi:10.1109/glocom.2006.633

WLC04-1: A Distributed BER-Based Power Control Algorithm for WCDMA Systems

2006· article· en· W2072334110 sur OpenAlexaff
Gaurav P. Mandhare, Ali Ghrayeb

Notice bibliographique

RevueGlobecom · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueWireless Communication Networks Research
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPower controlComputer scienceSignal-to-interference ratioBit error rateTelecommunications linkTransmitter power outputCode division multiple accessInterference (communication)Quality of serviceSignal-to-noise ratio (imaging)AlgorithmSpread spectrumConvergence (economics)Power (physics)Real-time computingElectronic engineeringComputer networkEngineeringTelecommunicationsTransmitterDecoding methodsChannel (broadcasting)

Résumé

récupéré en direct d'OpenAlex

Taking into consideration the dominance of the multiple access interference (MAI) in spread spectrum based CDMA systems, power control plays a vital role in reducing the system interference and helps in increasing the capacity of the system while maintaining the quality of the received signal. Closed loop power control is mainly used to mitigate the near-far effect in the uplink direction. In this paper, we propose a bit error rate (BER)-based first order distributed power control algorithm. Being distributed, the proposed algorithm has the flexibility of using the benefits of fast closed loop power control and thus can be used to update the transmit power of a single user at a time. Signal-to-interference ratio (SIR) based algorithms are in extensive use. But considering that the SIR is time variant, the BER would be a better quality of service (QoS) parameter because it can be easily measured using already known pilot bits. We analyze the convergence performance of the proposed algorithm and show that its convergence is always guaranteed. We demonstrate that a considerable improvement in the convergence speed along with the required average signal-to-noise ratio (SNR) is achieved as compared with other BER-based algorithms under comparison. We also show that the proposed algorithm performs well at different mobile speeds.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,953
Score d'incertitude au seuil0,693

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,258
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobecomMême sujetWireless Communication Networks ResearchTravaux en français237 207